2024-03-252024-03-252022-11Vera, M.A.; Ale, M.A. & Ballejos, L. (3 y 4 de noviembre de 2022). Deserción de estudiantes en carreras de ingeniería : análisis multivariable utilizando minería de datos educativa. X Congreso Nacional de Ingeniería Informática y Sistemas de Información (CoNaIISI), UTN. Facultad Regional Concepción del Uruguay, Argentina.http://hdl.handle.net/20.500.12272/10065La alta tasa de deserción estudiantil en las carreras universitarias es una problemática actual en las universidades argentinas y de toda Latinoamérica. El objetivo de este trabajo es analizar mediante algoritmos de minería de datos este fenómeno para obtener conocimiento que permita a las autoridades generar estrategias que disminuyan la cantidad de alumnos que no finalizan sus estudios de grado. En particular, en este trabajo se utilizó la metodología CRISP-DM para guiar las diferentes etapas y se implementaron los modelos KMeans y Perceptron Multicapa, ambos ampliamente utilizados en el contexto de la minería de datos para datos académicos. Finalmente, se encontró una interrelación entre la probabilidad de abandono y la cantidad de materias que el alumno debe recursar, además de generar un modelo predictivo de deserción con una precisión cercana al 90%.pdfspaopenAccesshttp://creativecommons.org/licenses/by/4.0/Atribución 4.0 InternacionalAnálisis MultivariableMinería de datosEducacióninfo:eu-repo/semantics/conferenceObjectLas autorasCreativeCommonshttps://doi.org/10.33414/ajea.1146.2022